By; Ala’a R. Al-Shamasneha, Herman Khalid Omerb, Nada Tawfiqb, Faten Khalid Karimc, Hamid A. Jalab​

https://jksus.org/enhanced-skin-cancer-classification-using-a-combination-of-bag-of-words-and-deep-q-network-features-with-relieff-feature-selection/

يمثل سرطان الجلد تحدياً صحياً كبيراً على مستوى العالم، ويُعد الكشف المبكر عنه أمراً بالغ الأهمية لضمان العلاج المناسب لهذه الحالة الخبيثة. وتتطلب تقنيات التشخيص التقليدية، مثل الفحص البصري والخزعة، في كثير من الأحيان وقتاً ومهارة وموارد طبية.

في هذه الدراسة، تم اقتراح طريقة هجينة لاستخراج الميزات باستخدام دالة ميزات "حقيبة الكلمات" (Bag of Words - BoWs) وشبكة "كيو" العميقة (Deep Q-Network - DQN) مع خوارزمية (ReliefF) لانتقاء الميزات، وذلك لتصنيف أنواع متعددة من سرطان الجلد. يتكون النموذج المقترح من أربع مراحل هي: المعالجة الأولية، استخراج الميزات، انتقاء الميزات، والمُصنِّف.

وينتج عن دمج استخراج الميزات بواسطة (BoWs) مع استخراج الميزات العميقة بواسطة (DQN) قدرة (BoWs) على التقاط الملمس واللون والأنماط المكانية، في حين تلتقط (DQN) السياق العالمي من خلال ترميز الإشارات البصرية المعقدة ومورفولوجيا (شكل) الآفة التي يعجز (BoWs) عن التقاطها. وتقوم خوارزمية (ReliefF) باختيار الميزات الأكثر ملاءمة فقط من الميزات المدمجة المستمدة من (BoWs) و(DQN)، حيث تصنف الميزات وفقاً لقدرتها على التمييز بين الفئات المختلفة.

وقد استُخدمت في هذه الدراسة مجموعة بيانات ISIC-2019 المتاحة علناً. وبشكل عام، أظهرت النتائج كيف أدى نموذج استخراج الميزات الهجين إلى تحسين الدقة في تصنيف سرطان الجلد. وتتضمن تحديات البحث المستقبلي تحسين تقنيات المعالجة الأولية وتطبيق خوارزميات التحسين لضبط المعلمات الفائقة (Hyperparameters) لشبكة (DQN) والمُصنِّف، وهي أمور حاسمة لتحسين أداء النهج المقترح